Wie amber verstreutes Firmenwissen für den Mittelstand nutzbar machen will

Die Folgen sind im Arbeitsalltag spürbar: Mitarbeitende finden Informationen nur mit Mühe, wichtiges Erfahrungswissen bleibt schwer zugänglich und wissensintensive Abläufe müssen weiterhin manuell erledigt werden. Die Plattform von amber soll diese Verbindungen für KI nutzbar machen, statt jede Anwendung als isoliertes Datensilo zu behandeln.

Was die AI Data Layer von amber leisten soll

Im Zentrum steht die proprietäre AI Data Layer. Nach Angaben des Unternehmens und der Berichte zur Finanzierungsrunde verbindet sie Wissen aus:

• E-Mails
• Geschäftsdokumenten
• Cloud-Anwendungen
• Internen Unternehmenssystemen

Die Technologie soll Dateien nicht lediglich katalogisieren. Sie strukturiert die Informationen und ergänzt sie um organisatorischen Kontext. Dadurch soll die KI Beziehungen zwischen einzelnen Wissensbestandteilen erkennen, bevor sie daraus Antworten ableitet oder Arbeitsabläufe unterstützt.

Für Beschäftigte könnte das eine einheitlichere Möglichkeit schaffen, interne Informationen zu finden, anstatt mehrere Werkzeuge einzeln durchsuchen zu müssen. Als Einsatzbereiche nennt amber unter anderem die Sicherung von Erfahrungswissen, die Unterstützung bei der Einarbeitung, das Beantworten von Mitarbeiterfragen und die Automatisierung wissensintensiver Prozesse.

Dabei handelt es sich um die beschriebenen Ziele und Anwendungsfälle der Plattform – nicht um einen unabhängigen Nachweis, dass jede Implementierung dieselben Verbesserungen erzielt. Die verfügbaren Mitteilungen zur Finanzierung nennen keine unabhängigen Leistungskennzahlen zur Genauigkeit, zur Einarbeitungsdauer oder zum Umfang der Workflow-Automatisierung.

Vom Nachschlagen zum proaktiven Arbeitsablauf

Langfristig will amber über Systeme hinausgehen, die erst aktiv werden, wenn jemand eine Frage eingibt oder einen Prozess startet. Das Unternehmen strebt KI an, die den organisatorischen Kontext und die Absicht der Nutzer versteht, relevante Aufgaben proaktiv erkennt und sie perspektivisch eigenständig ausführt.

Dafür ist die Datengrundlage entscheidend. Ein KI-System kann nicht zuverlässig über mehrere Geschäftsprozesse hinweg handeln, wenn es nicht erkennen kann, welche Informationen zusammengehören, welche Bedeutung sie in einem bestimmten Unternehmen haben und wie sie mit einer Anfrage zusammenhängen. ambers Ansatz setzt deshalb darauf, Unternehmenswissen zunächst zu verbinden und zu strukturieren, bevor KI es für Suche, Assistenz oder die Ausführung von Workflows nutzt.

Für KMU liegt der mögliche Mehrwert damit nicht allein in einem leistungsfähigeren Sprachmodell. Entscheidend ist vielmehr eine Grundlage, die vorhandenes Firmenwissen in einer strukturierten und kontextualisierten Form für KI zugänglich macht.

Wofür amber die 7 Millionen Euro einsetzen will

Nach Angaben des Unternehmens soll das frische Kapital vor allem in vier Bereiche fließen:

1. Expansion in Europa, zunächst in die Benelux-Region.
2. Ausbau des Teams im Zuge des Wachstums.
3. Weiterentwicklung der KI-Plattform und der AI Data Layer.
4. Tiefere Integrationen in Unternehmens- und Geschäftssysteme.

Die Finanzierung verschafft amber zusätzliche Mittel, um die Strategie für den Mittelstand über den Standort Aachen hinaus umzusetzen. Kurzfristig geht es darum, Unternehmenswissen zu verknüpfen und zu ordnen. Langfristig soll daraus Business-KI entstehen, die nicht nur auf Anfragen reagiert, sondern zunehmend selbstständig relevante Aufgaben erkennt und bearbeitet.

Das Wichtigste in Kürze

amber setzt darauf, dass die nächste Herausforderung bei Unternehmens-KI nicht ausschließlich in der Leistungsfähigkeit der Modelle liegt. Ebenso wichtig ist die Frage, ob die Modelle auf fragmentiertes, schlecht verknüpftes Wissen eines konkreten Unternehmens zugreifen können.

Die AI Data Layer soll Informationen aus alltäglichen Geschäftssystemen verbinden, strukturieren und mit organisatorischem Kontext versehen. Mit 7 Millionen Euro von Ventech und NRW.Venture will amber nun in Europa expandieren, seine Plattform ausbauen und den Schritt von der Wissenssuche hin zu proaktiveren und perspektivisch autonom ausgeführten Workflows vorbereiten.